offer 报表数据分析示例

数据信息:

Unnamed: 0 offerid sourceName affiliateId clickCount installs

0 0 21059 Clickorbits 10110006 705895 3785

1 1 1818 Mobavenue 10110080 9209 3124

2 2 1817 Mobavenue 10110080 4021 1

3 3 16493 A-Scale.IO 10110006 4651015 695

4 4 21048 A-Flyfunads-C 10110006 0 1321

5 5 18297 XYads-ID 10110006 7451168 2954

6 6 18676 A-Adaction 10110014 16421 13071

7 7 12078 A-Advolt 10110080 3335 0

8 8 12382 A-NSG Media 10110080 3918 1

9 9 1625 Mobavenue 10110006 1954129 2775

10 10 20630 comemobile 10110006 0 0

11 11 20169 A-Collectcent 10110006 5452751 3426

12 12 18379 Mobavenue 10110080 30705 26637

13 13 20698 A-Mobisummer-C 10110006 28274 108

14 14 4702 A-Justdo 10110006 16053001 22456

15 15 6987 A-Advolt 10110006 5543597 4552

16 16 12072 D-Nira 10110080 31776 27680

17 17 2022 A-AppMontize 10110080 23475 20022

18 18 20038 A-Smartconnect 10110006 513361 62

19 19 1818 Mobavenue 10110006 8329336 1421

1、 查看offer 报表的最高clickCount,最低clickCount,平均值和中位数;

python 复制代码
data = pd.read_csv(filename)
data['clickCount'].max()
data['clickCount'].min()
data['clickCount'].mean()
data['clickCount'].median()

2、 查看offer 报表的最高clickCount和最低clickCount 的全部信息;

python 复制代码
data = pd.read_csv(filename)
data.sort_values('clickCount').head(1)           最小值
data.sort_values('clickCount').tail(1)           最大值
data[data['clickCount'] == data['clickCount'].max()]

3、 获取installs 最高的2个 sourceName;

python 复制代码
data = pd.read_csv(filename)
result = data.groupby('sourceName')['installs'].sum().sort_values(ascending=False).head(2)

4 、获取installs 最高的1个affiliateId 值;

python 复制代码
data = pd.read_csv(filename)
result = data.groupby('affiliateId')['installs'].sum().nlargest(1)

5 、按affiliateId 值分组,统计每个affiliateId下offerid的个数;

python 复制代码
data = pd.read_csv(filename)
result = data.groupby('affiliateId')['offerid'].count()

affiliateId

10110006 12

10110014 1

10110080 7

6、 查找 affiliateId=10110006 和clickCount< 150000,数据;

python 复制代码
data = pd.read_csv(filename)
result = data[(data['affiliateId'] == 10110006) & (data['clickCount'] < 150000)]



    Unnamed: 0  offerid      sourceName  affiliateId  clickCount  installs
4            4    21048   A-Flyfunads-C     10110006           0      1321
10          10    20630      comemobile     10110006           0         0
13          13    20698  A-Mobisummer-C     10110006       28274       108

7、 查找 affiliateId=10110006 和clickCount> 150000,数据, 并按照clickCount排序;

python 复制代码
data = pd.read_csv(filename)
result = data[(data['affiliateId'] == 10110006) & (data['clickCount'] > 150000)].sort_values('clickCount',ascending=False)




Unnamed: 0  offerid      sourceName  affiliateId  clickCount  installs
14          14     4702        A-Justdo     10110006    16053001     22456
19          19     1818       Mobavenue     10110006     8329336      1421
5            5    18297        XYads-ID     10110006     7451168      2954
15          15     6987        A-Advolt     10110006     5543597      4552
11          11    20169   A-Collectcent     10110006     5452751      3426
3            3    16493      A-Scale.IO     10110006     4651015       695
9            9     1625       Mobavenue     10110006     1954129      2775
0            0    21059     Clickorbits     10110006      705895      3785
18          18    20038  A-Smartconnect     10110006      513361        62
相关推荐
Narutolxy4 小时前
大模型数据分析破局之路20250512
人工智能·chatgpt·数据分析
Ai尚研修-贾莲7 小时前
Python语言在地球科学交叉领域中的应用——从数据可视化到常见数据分析方法的使用【实例操作】
python·信息可视化·数据分析·地球科学
lilye667 小时前
精益数据分析(53/126):双边市场模式指标全解析与运营策略深度探讨
数据挖掘·数据分析
ʚɞ 短腿欧尼9 小时前
文本数据可视化
信息可视化·数据分析
安特尼12 小时前
招行数字金融挑战赛数据赛道赛题一
人工智能·python·机器学习·金融·数据分析
请你喝好果汁64114 小时前
TWASandGWAS中GBS filtering and GWAS(1)
信息可视化·数据挖掘·数据分析
Leo.yuan15 小时前
数据分析怎么做?高效的数据分析方法有哪些?
大数据·数据库·信息可视化·数据挖掘·数据分析
马志远的生信笔记20 小时前
质控脚本来喽
linux·数据分析
intcube20 小时前
集中运营、分散决策,寻找最佳财务规划的平衡点
大数据·信息可视化·数据分析·全面预算管理·财务管理·财务规划
莫负初21 小时前
Excel使用VBA批量计算指定列的中位数和标准差并筛选指定列数据
数据分析·自动化·excel·vba·方差·标准差